論文の概要: A RAG-Based Multi-Agent LLM System for Natural Hazard Resilience and Adaptation

• arxiv url: http://arxiv.org/abs/2402.07877v3
• Date: Fri, 28 Mar 2025 17:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 18:43:55.536084
• Title: A RAG-Based Multi-Agent LLM System for Natural Hazard Resilience and Adaptation
• Title（参考訳）: RAG-based Multi-Agent LLM System for Natural Hazard Resilience and Adaptation
• Authors: Yangxinyu Xie, Bowen Jiang, Tanwi Mallick, Joshua David Bergerson, John K. Hutchison, Duane R. Verner, Jordan Branham, M. Ross Alexander, Robert B. Ross, Yan Feng, Leslie-Anne Levy, Weijie Su, Camillo J. Taylor,
• Abstract要約: 大規模言語モデル(LLM)は、人工知能と機械学習のフロンティアにおける変換能力である。 本稿では,自然災害や極端気象イベントの文脈における分析と意思決定を支援するために,RAGに基づくマルチエージェントLLMシステムを提案する。 本稿では,山火事のシナリオに着目した専門システムWildfireGPTを紹介する。
• 参考スコア（独自算出の注目度）: 12.898802729846857
• License:
• Abstract: Large language models (LLMs) are a transformational capability at the frontier of artificial intelligence and machine learning that can support decision-makers in addressing pressing societal challenges such as extreme natural hazard events. As generalized models, LLMs often struggle to provide context-specific information, particularly in areas requiring specialized knowledge. In this work, we propose a Retrieval-Augmented Generation (RAG)-based multi-agent LLM system to support analysis and decision-making in the context of natural hazards and extreme weather events. As a proof of concept, we present WildfireGPT, a specialized system focused on wildfire scenarios. The architecture employs a user-centered, multi-agent design to deliver tailored risk insights across diverse stakeholder groups. By integrating domain-specific projection data, observational datasets, and scientific literature through a RAG framework, the system ensures both accuracy and contextual relevance of the information it provides. Evaluation across ten expert-led case studies demonstrates that WildfireGPT significantly outperforms existing LLM-based solutions for decision support in natural hazard and extreme weather contexts.
• Abstract（参考訳）: 大規模言語モデル(LLMs)は、人工知能と機械学習のフロンティアにおける変革的な能力であり、極端な自然災害イベントのような社会的課題に対処する上で、意思決定者を支援することができる。 一般化されたモデルとして、LLMは特に専門知識を必要とする分野において、文脈固有の情報の提供に苦慮することが多い。 本研究では,自然災害や極端気象イベントの文脈における分析と意思決定を支援するために,RAGに基づくマルチエージェントLLMシステムを提案する。 概念実証として,山火事のシナリオに着目した専門システムWildfireGPTを提案する。 このアーキテクチャでは、ユーザ中心のマルチエージェント設計を採用して、さまざまなステークホルダグループに対して、適切なリスク洞察を提供する。 ドメイン固有の投影データ、観測データセット、科学文献をRAGフレームワークを通じて統合することにより、システムは提供した情報の正確性と文脈的関連性の両方を保証する。 専門家が主導した10件のケーススタディによる評価では、WildfireGPTは、自然災害や極度の気象状況において、既存のLCMベースの意思決定支援ソリューションを著しく上回っている。

関連論文リスト

• Global Lightning-Ignited Wildfires Prediction and Climate Change Projections based on Explainable Machine Learning Models [0.8039067099377079]
  森林火災は人口に重大な自然災害のリスクをもたらし、気候変動の加速に貢献している。 本研究では,世界規模で雷に照らされた山火事の特徴と予測を目的とした機械学習モデルを提案する。 雷に照らされた山火事の季節的・空間的傾向が気候変動の影響について分析した。
  論文  参考訳（メタデータ） (2024-09-16T07:19:08Z)
• Large Language Models-guided Dynamic Adaptation for Temporal Knowledge Graph Reasoning [87.10396098919013]
  大規模言語モデル (LLM) は、時間的推論において広範な知識と卓越した能力を示した。 本稿では,時間的知識グラフに基づく推論のためのLarge Language Models-Guided Dynamic Adaptation (LLM-DA)法を提案する。 LLM-DAは、歴史的データを解析し、時間的論理規則を抽出するLLMの機能を利用する。
  論文  参考訳（メタデータ） (2024-05-23T04:54:37Z)
• Decision support system for Forest fire management using Ontology with Big Data and LLMs [0.8668211481067458]
  火災リスクを評価し、資源需要を予測する火災指標が不可欠である。 医療や環境モニタリングなどの分野におけるセンサネットワークの増加に伴い、セマンティックセンサーネットワークは、気候データ収集にますます利用されている。 本稿では,Apache Sparkによる森林火災の早期検出,気象・地理データによる火災リスク予測の強化について論じる。
  論文  参考訳（メタデータ） (2024-05-18T17:30:30Z)
• A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
  本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。 本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。 AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
  論文  参考訳（メタデータ） (2024-02-27T04:09:30Z)
• Knowledge Plugins: Enhancing Large Language Models for Domain-Specific Recommendations [50.81844184210381]
  本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。 このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
  論文  参考訳（メタデータ） (2023-11-16T07:09:38Z)
• Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
  本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。 このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。 我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
  論文  参考訳（メタデータ） (2023-07-03T16:01:45Z)
• FORFIS: A forest fire firefighting simulation tool for education and research [90.40304110009733]
  本稿では,Python で実装された森林火災消火シミュレーションツール FORFIS について述べる。 私たちのツールは underv3 ライセンスを公開しており、GUI と出力機能が追加されています。
  論文  参考訳（メタデータ） (2023-05-29T09:14:38Z)
• On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
  我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。 我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。 ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
  論文  参考訳（メタデータ） (2023-05-03T18:47:42Z)
• Assimilation of Satellite Active Fires Data [0.0]
  この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。 特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
  論文  参考訳（メタデータ） (2022-04-01T20:11:28Z)
• Mitigating Greenhouse Gas Emissions Through Generative Adversarial Networks Based Wildfire Prediction [11.484140660635239]
  我々は,山火事リスク予測のための深層学習に基づくデータ拡張手法を開発した。 提案手法を採用することで,地球規模の温室効果ガス排出量削減のため,山火事対策の予防戦略を採ることができる。
  論文  参考訳（メタデータ） (2021-08-20T00:36:30Z)
• A review of machine learning applications in wildfire science and management [1.7322441975875131]
  本稿では,山火事の科学と管理における機械学習(ML)のスコーピングレビューを紹介する。 我々の目標は、山火事の科学者やマネージャーの間でのMLの認識を改善することである。
  論文  参考訳（メタデータ） (2020-03-02T03:59:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。